简单入门matplotlib:快速教程

2024-01-11 0 953

快速上手matplotlib:简明教程

Matplotlib是一个著名的Python数据可视化库,提供了丰富的绘图工具,广泛应用于数据分析、科学计算、工程绘图等领域。本文将为大家介绍如何快速上手matplotlib,并提供一些具体的代码示例。

一、安装Matplotlib
在开始之前,我们首先需要安装Matplotlib库。可以通过pip命令来进行安装:

pip install matplotlib

二、基本绘图功能
2.1折线图
折线图是最常用的一种数据可视化方式,可以展示数据的趋势变化。

下面是一个简单的例子,展示了某地每年的降雨量情况:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]

plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')
plt.show()

在这个例子中,我们首先定义了两个列表years和rainfall,分别表示年份和每年的降雨量。然后通过plt.plot()函数绘制了折线图,指定了折线的样式和颜色。最后,通过plt.xlabel()、plt.ylabel()和plt.title()函数设置了横轴、纵轴的标签和图表的标题,并通过plt.show()函数显示出图表。

2.2散点图
散点图可以用来表示两个变量之间的关系,并观察它们之间的分布规律。

下面是一个简单的例子,展示了学生的体重和身高之间的关系:

import matplotlib.pyplot as plt

weight = [50, 55, 60, 65, 70, 75]
height = [150, 160, 165, 170, 175, 180]

plt.scatter(weight, height, marker='o', color='red')
plt.xlabel('Weight (kg)')
plt.ylabel('Height (cm)')
plt.title('Student Weight vs Height')
plt.show()

在这个例子中,我们定义了两个列表weight和height,分别表示学生的体重和身高。然后通过plt.scatter()函数绘制了散点图,指定了散点的样式和颜色。最后,通过plt.xlabel()、plt.ylabel()和plt.title()函数设置了横轴、纵轴的标签和图表的标题,并通过plt.show()函数显示出图表。

2.3柱状图
柱状图可以用来比较不同类别之间的数据大小。

下面是一个简单的例子,展示了某地每月的降雨量情况:

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
rainfall = [50, 45, 60, 70, 65, 80]

plt.bar(months, rainfall, color='green')
plt.xlabel('Month')
plt.ylabel('Rainfall (mm)')
plt.title('Monthly Rainfall')
plt.show()

在这个例子中,我们定义了两个列表months和rainfall,分别表示月份和每月的降雨量。然后通过plt.bar()函数绘制了柱状图,指定了柱子的颜色。最后,通过plt.xlabel()、plt.ylabel()和plt.title()函数设置了横轴、纵轴的标签和图表的标题,并通过plt.show()函数显示出图表。

三、进阶功能
除了基本的绘图功能之外,Matplotlib还提供了许多进阶的功能,比如子图、图例、标注等。

3.1子图
可以使用plt.subplot()函数创建子图,并在每个子图中绘制不同的图表。

下面是一个简单的例子,展示了两个子图,分别为折线图和散点图:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]
weight = [50, 55, 60, 65, 70, 75]
height = [150, 160, 165, 170, 175, 180]

plt.subplot(1, 2, 1)
plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')

plt.subplot(1, 2, 2)
plt.scatter(weight, height, marker='o', color='red')
plt.xlabel('Weight (kg)')
plt.ylabel('Height (cm)')
plt.title('Student Weight vs Height')

plt.tight_layout()
plt.show()

在这个例子中,我们使用plt.subplot(1, 2, 1)和plt.subplot(1, 2, 2)分别创建了两个子图,其中(1, 2, 1)表示1行2列的子图中的第一个子图,(1, 2, 2)表示1行2列的子图中的第二个子图。然后分别在每个子图中绘制了不同的图表。最后,通过plt.tight_layout()函数调整子图的布局,并通过plt.show()函数显示出图表。

3.2图例
可以使用plt.legend()函数添加图例,以说明不同数据对应的含义。

下面是一个简单的例子,展示了某地每年和每月的降雨量情况,并添加了相应的图例:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall_year = [800, 900, 850, 1000, 950, 1100]
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
rainfall_month = [50, 45, 60, 70, 65, 80]

plt.plot(years, rainfall_year, marker='o', linestyle='--', color='blue', label='Yearly')
plt.bar(months, rainfall_month, color='green', label='Monthly')
plt.xlabel('Time')
plt.ylabel('Rainfall (mm)')
plt.title('Rainfall')
plt.legend()
plt.show()

在这个例子中,我们通过在plt.plot()和plt.bar()函数中添加label参数,分别指定了每年和每月降雨量对应的标签,然后使用plt.legend()函数添加了图例。最后,通过plt.xlabel()、plt.ylabel()和plt.title()函数设置了横轴、纵轴的标签和图表的标题,并通过plt.show()函数显示出图表。

3.3标注
可以使用plt.annotate()函数在图表中添加文本标注。

下面是一个简单的例子,展示了某地每年降雨量的最大值,并在图表中添加了相应的文本标注:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]

plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')

max_rainfall = max(rainfall)
max_index = rainfall.index(max_rainfall)
plt.annotate(f'Max: {max_rainfall}', xy=(years[max_index], max_rainfall),
             xytext=(years[max_index]+1, max_rainfall-50),
             arrowprops=dict(facecolor='black', arrowstyle='->'))

plt.show()

在这个例子中,我们首先通过max()函数找到降雨量的最大值和对应的索引,然后使用plt.annotate()函数在图表中添加文本标注,指定了标注的位置和箭头的样式。最后,通过plt.xlabel()、plt.ylabel()和plt.title()函数设置了横轴、纵轴的标签和图表的标题,并通过plt.show()函数显示出图表。

四、总结
通过本文的介绍,我们可以看到Matplotlib是一个功能强大的数据可视化库,提供了丰富的绘图工具。无论是折线图、散点图还是柱状图,Matplotlib都可以轻松实现。此外,Matplotlib还提供了一些进阶的功能,如子图、图例、标注等,可以更加灵活地定制图表。希望本教程能够帮助大家快速上手Matplotlib,并且通过具体的代码示例,能够更好地理解Matplotlib的使用方法。

收藏 (0) 打赏

感谢您的支持,我会继续努力的!

打开微信/支付宝扫一扫,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

免责声明
1. 本站所有资源来源于用户上传和网络等,如有侵权请邮件联系本站整改team@lcwl.fun!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系本站工作人员处理!
6. 本站资源售价或VIP只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,请使用WINRAR解压,如遇到无法解压的请联系管理员!
8. 因人力时间成本问题,部分源码未能详细测试(解密),不能分辨部分源码是病毒还是误报,所以没有进行任何修改,大家使用前请进行甄别!
9.本站所有源码资源都是经过本站工作人员人工亲测可搭建的,保证每个源码都可以正常搭建,但不保证源码内功能都完全可用,源码属于可复制的产品,无任何理由退款!

网站搭建学习网 Python 简单入门matplotlib:快速教程 https://www.xuezuoweb.com/1907.html

常见问题
  • 本站所有的源码都是经过平台人工部署搭建测试过可用的
查看详情
  • 购买源码资源时购买了带主机的套餐是指可以享受源码和所选套餐型号的主机两个产品,在本站套餐里开通主机可享优惠,最高免费使用主机
查看详情

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务

Fa快捷助手
手机编程软件开发

在手机上用手点一点就能轻松做软件

去做软件
链未云主机
免备案香港云主机

开通主机就送域名的免备案香港云主机

去使用
链未云服务器
免备案香港云服务器

支持售后、超低价、稳定的免备案香港云服务器

去使用